夜雨聆风学习资料网

ARTICLE · 1386742

课题名称:生成式人工智能赋能初中语文记叙文片段写作精准教学与评价的实践研究

课题名称:生成式人工智能赋能初中语文记叙文片段写作精准教学与评价的实践研究

一、选题依据

(一)问题的提出

记叙文写作在初中语文里占的分量不用多说。统编教材的写作专题从七年级“学会记事”一路排到九年级,中考作文也以记叙为主,可日常教学的难处,不在“讲不清”,而在“练不够、评不细”。整篇作文的训练周期太长,两周一次大作文,学生写、老师改、课上讲,一轮下来半个月过去了,等到下一篇,上一次的问题早忘干净。我们在教研组翻看近两个学年的作文本,一个很直观的印象是:学生不是不会写“一篇”,而是写不好“一段”——记事只有骨架没有血肉,写人只有标签没有细节,抒情只有口号没有来由。把训练单位从整篇下沉到150至300字的片段,一节课练一个点,当堂就能看到变化,这是本课题最朴素的出发点。

这一判断也和课程文件对得上。2022年版《义务教育语文课程标准》把“写作”并入“表达与交流”,明确要求“写作教学应抓住取材、构思、起草、加工等环节”,并把过程性评价摆到突出位置,强调评价要“发挥诊断、反馈、激励功能”。换句话说,课标要的不是一次性的分数,而是能看见学生怎么改、改到哪一步的过程。可现实里,教师批改一个班的作文要占去两个晚上的时间,能写下的往往只是“中心明确”“描写不够具体”几句总评,过程性评价落不下来。

另一头是评价的具体困难。一次片段训练就是四十多份文本,教师逐句写评语,写到最后往往只剩“描写再具体些”“语言不够生动”这类放到哪一篇都成立的话。评语笼统,学生就不知道怎么改;改完还是老样子,评价这一环事实上空转了。我们在上学期末做过一次统计,八年级四个班共抽取120份片段,教师评语中直接指出问题位置并给出修改方向的不足三成,其余多是笼统判断。学生问卷里,认为“看了评语知道下一步怎么改”的只占三分之一。

生成式人工智能让这件事有了转机。它能在一两分钟内读完一篇片段,按指定维度给出批语,还能追问、能示范改写。但我们在校内做过一轮小规模试用,问题也很明显:AI评语看着热闹,落到实处常常还是“这段描写很生动,可以再加入一些细节”式的空话;有的学生干脆把题目丢给AI,让它整段生成,交上来的文字漂亮得不像自己写的。技术不是不能用,而是缺少一套“怎么用”的规程——用什么提示、评到什么颗粒度、哪些环节必须由人来做、怎样留下写作过程。这正是本课题要回答的问题。

基于此,课题以笔者所在学校八年级4个班、186名学生为实践场域,把切口收在记叙文片段写作上,研究生成式人工智能支持下的精准教学与精准评价,如何在一节节常态课里真正跑起来。

(二)国内研究学术史梳理与研究动态

国内与本课题相关的研究,大致可以归到三条脉络上,近三年的推进各有侧重。

第一条是写作教学的序列化与支架研究。王越、徐鹏(2023)以统编教材七年级下册“抓住细节”为例,提出单元写作任务序列化,强调写作能力要按“句—段—篇—体”逐级推进,并指出写作教学长期受“阅读本位”牵制,序是阅读的序,写作反倒无序;张丽莉、沈荣尔(2023)把写作样本分为观察样本、知识样本、实践样本三层,在样本的“升阶”中实施精准教学,路径很清楚——先看清别人怎么写,再提炼策略,最后在自己的稿子上验证;杨英(2024)则从多维观察、情节推演、借景抒情、以物达意四个方面,给出记叙文习作的具体策略,带有明显的课堂操作色彩。这批成果解决了“教什么、按什么顺序教”的问题,也提供了大量可直接使用的支架,不足之处在于评价一环仍靠教师经验,一个班几十份文本,很难做到“每生每次都有针对性反馈”。

第二条是人工智能介入语文写作教学的探索。朱琳阡(2024)的判断比较清醒:ChatGPT类工具能提供个性化反馈、优化写作素材,但也容易固化写作模式、造成写作主体移位、引发评价失真,因此主张人机协同而非机器代劳,并把“过程性评价”作为防范写作诚信风险的办法。冉柔等(2024)结合九年级下册《翻过那座山》设计了一节生成式人工智能辅助的作文课,把技术安放在审题、构思、修改的具体环节里,给出了可复制的课堂样态。这类研究多集中在单课例和经验描述,连续多轮、带数据检验的行动研究还不多,把“片段”作为训练单位来整体设计的更少。

第三条是智能作文评价与精准教学。吴军其等(2024)收集104篇九年级作文,让AIGC工具与五位教师分别从内容、语言、结构三个维度评价,发现二者策略互补、能提高效率,但AI在评价深度和精准度上仍有明显短板,“评语同质化”是突出问题。这一结论对本课题设计“人机双评”很有参考价值——机器负责覆盖面与即时性,人负责深度与方向。刘德建等(2023)提出按需学习范式,强调学习需求的动态生成、学习路径的进阶性和教学服务的适配性,为“按学生当下的问题推送下一步训练”提供了理论说法。

三条线放在一起看,各有积累,交叉处却留着空白:评价研究多在整篇评分与评分一致性上打转,很少追问“AI给出的评语怎样变成学生的修改动作”;写作教学研究做足了序列和支架,却没有把即时、分层的反馈接进去;至于普通初中常态课时里、不依赖付费平台的落地方案,几乎是空白。这也解释了为什么不少学校买了平台却用不下去——技术能给出分数,给不出下一步该练什么。

(三)国外相关研究成果

国外没有“记叙文片段写作”的对应概念,相近的研究集中在自动写作评价、生成式反馈和二语写作教学上,脉络大致是从“机器打分准不准”转向“反馈有没有用”。

Barrot(2023)系统讨论了ChatGPT用于二语写作的可能与风险:构思、润色、即时反馈是长处,学术诚信受损、思维被替代、评价失真则是绕不开的代价,他主张把AI放在过程写作的中间环节,而不是终点。Yan等(2024)对教育领域大语言模型的应用做了范围综述,把挑战归为输出可靠性、偏见、隐私与学术诚信几类,提醒研究者不要只盯着效率,还要看教师能否判断和纠正机器的判断。Kasneci等(2023)从机会与风险两端梳理大模型的教育应用,一方面肯定个性化反馈与备课增效,一方面指出“幻觉”、公平性和学生过度依赖等问题,并建议把AI定位为教学助手而非评分者。

这些研究的长处在于实证设计严谨、风险清单具体,尤其是“反馈是否被学生真正用上”这一追问,值得借鉴。局限也很明显:研究对象多为大学生或二语学习者,写作目标、课程结构和班级规模与我国初中语文差异较大,结论不能直接搬进初中课堂;此外,国外研究多依托自建平台和数据接口,普通学校难以复制。

(四)研究价值

学术价值上,课题把“片段”当作写作能力的可训练单元,尝试回答一个具体问题:在母语写作教学中,生成式人工智能的反馈要经过怎样的教学设计,才能从“看起来有用”变成“学生真的会改”。这既补上了写作教学研究中“评价—修改”这一环的空白,也为智能技术融入学科教学的研究提供一个微观、可验证的样本。

应用价值上,课题产出的训练序列、提示词规程、评价量表和案例集,都按普通初中的课时与师资条件设计,不依赖收费平台。教师拿到手,知道下一次课练哪个点、用什么支架、AI怎么提问、评语怎么复核;学校拿到手,知道怎么在不打乱教学秩序的前提下把技术用起来。同轨学校稍作调整即可移植,推广成本低。

二、研究内容

(一)研究对象

本校八年级4个班共186名学生,参与教师3人。研究文本为学生在两个学年内完成的片段写作,每班每学期8次,累计约1500篇,同时收集教师的原始评语、学生的修改稿与课堂实录。选择八年级,是因为这一年级记叙文训练最集中,学生已有一定的记事基础,又尚未进入应试复习,适合做连续的教学干预。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料